🚶‍♂️ Можно ли использовать AUC-ROC для многоклассовой классификации

ROC-кривая изначально предназначена для бинарной классификации, но её можно обобщить:

➡️ One-vs-Rest: для каждой категории строится своя ROC-кривая, где данный класс считается положительным, а все остальные — отрицательными. Затем вычисленные AUC усредняются (по макро- или взвешенному принципу).
➡️ One-vs-One: AUC рассчитывается для каждой пары классов и также усредняется.

⏩ Интерпретация метрики становится сложнее, так как появляются несколько кривых. Итоговое усреднение может скрывать различия между классами.

⏩ При несбалансированных данных средний AUC может вводить в заблуждение, поэтому полезно дополнительно анализировать confusion matrix и метрики по каждому классу отдельно.

🐸 Библиотека собеса по Data Science